<?xml version="1.0" encoding="utf-8" ?><rss version="2.0"><channel><title><![CDATA[feverfew1的博客]]></title><description><![CDATA[]]></description><link>https://blog.youkuaiyun.com/feverfew1</link><language>zh-cn</language><generator>https://blog.youkuaiyun.com/</generator><copyright><![CDATA[Copyright &copy; feverfew1]]></copyright><item><title><![CDATA[近程无人机平台技术体系]]></title><link>https://blog.youkuaiyun.com/feverfew1/article/details/138911656</link><guid>https://blog.youkuaiyun.com/feverfew1/article/details/138911656</guid><author>feverfew1</author><pubDate>Wed, 15 May 2024 15:56:20 +0800</pubDate><description><![CDATA[固定翼无人机是无人机（UAV）的一种，它依靠固定在机身上的翅膀产生升力，通过动力系统推进前进。与多旋翼无人机和垂直起降（VTOL）无人机相比，固定翼无人机通常具有更长的航程、更快的飞行速度和更好的载荷能力。机翼：主要负责提供维持飞行器飞行的升力，并保持模型飞机飞行时的横侧安定。机翼上可以操纵发生偏转的部分叫做舵面，操纵飞机发生滚转的舵面叫做副翼（Aileron），部分飞机可能有额外的用于增升的后缘襟翼（Flap）或前缘缝翼（Slat），用于减速增阻的扰流板（Spoiler）。尾翼。]]></description><category></category></item><item><title><![CDATA[用云服务器构建gpt和stable-diffusion大模型]]></title><link>https://blog.youkuaiyun.com/feverfew1/article/details/136690312</link><guid>https://blog.youkuaiyun.com/feverfew1/article/details/136690312</guid><author>feverfew1</author><pubDate>Wed, 13 Mar 2024 20:31:59 +0800</pubDate><description><![CDATA[用云服务器构建大模型]]></description><category></category></item><item><title><![CDATA[GitHub pull request（傻瓜式入门版）]]></title><link>https://blog.youkuaiyun.com/feverfew1/article/details/135441302</link><guid>https://blog.youkuaiyun.com/feverfew1/article/details/135441302</guid><author>feverfew1</author><pubDate>Sun, 07 Jan 2024 16:40:29 +0800</pubDate><description><![CDATA[Pull Request（拉取请求）是一种非常重要的协作机制，它是 Git 和 GitHub 等代码托管平台中常见的功能。在开源项目中，Pull Request 被广泛用于参与社区贡献，从而促进项目的发展。]]></description><category></category></item><item><title><![CDATA[CSS2_基础学习]]></title><link>https://blog.youkuaiyun.com/feverfew1/article/details/131483594</link><guid>https://blog.youkuaiyun.com/feverfew1/article/details/131483594</guid><author>feverfew1</author><pubDate>Sun, 31 Dec 2023 23:20:10 +0800</pubDate><description><![CDATA[* 什么是伪元素？3 [属性名^=“值”]  选中包含某个属性，且属性值以指定的值开头的元素。4 [属性名$=“值”] 选中包含某个属性，且属性值以指定的值结尾的元素。/* 选中的是p元素最开始的位置，随后创建一个子元素 *//* 选中的是p元素最后的位置，随后创建一个子元素 */行内样式>ID选择器>类选择器>元素选择器>通配选择器。语法：选择器1,选择器2, 选择器3,…语法：选择器1 选择器2  选择器3…语法：选择器1>选择器2>选择器3>…语法：选择器1选择器2选择器3…]]></description><category></category></item><item><title><![CDATA[图神经网络--GNN从入门到精通]]></title><link>https://blog.youkuaiyun.com/feverfew1/article/details/129364207</link><guid>https://blog.youkuaiyun.com/feverfew1/article/details/129364207</guid><author>feverfew1</author><pubDate>Sun, 31 Dec 2023 23:19:21 +0800</pubDate><description><![CDATA[图是由节点和边组成的，如下图所示。一般图中的节点表示实体对象（比如一个用户、一件商品、一辆车、一张银行卡等都可以作为节点），边代表事件或者实体之间的特殊关系（比如用户和商品之间的购买关系）。]]></description><category></category></item><item><title><![CDATA[python基础]]></title><link>https://blog.youkuaiyun.com/feverfew1/article/details/135317106</link><guid>https://blog.youkuaiyun.com/feverfew1/article/details/135317106</guid><author>feverfew1</author><pubDate>Sun, 31 Dec 2023 17:16:51 +0800</pubDate><description><![CDATA[编程语言：计算机只认识二进制编码，编译器的作用就是把人类语言转换为二进制，从而让计算机理解人类的语言。：在程序运行时，能储存计算结果或能表示值的抽象概念。：在代码中，被写下来的的固定的值，称之为字面量。简单的说，变量就是在程序运行时，记录数据用的。]]></description><category></category></item><item><title><![CDATA[html_4——知识总结]]></title><link>https://blog.youkuaiyun.com/feverfew1/article/details/131448564</link><guid>https://blog.youkuaiyun.com/feverfew1/article/details/131448564</guid><author>feverfew1</author><pubDate>Fri, 30 Jun 2023 11:35:08 +0800</pubDate><description><![CDATA[html_4——知识总结一、计算机基础知识二、html4总结2.1 html基本结构2.2 全局属性-id,class,style,dir,title,lang2.3 格式排版标签-div,p,h1-h6,br,hr,pre2.4 文本标签-span,en,strong,del,ins,sub,sup2.5 图片标签-img:src,alt,width,height,boder2.6 超链接-a:herf,target,name,id2.7 列表标签-ul,ol:li；dl:dt,dd；2.8 表格--ta]]></description><category></category></item><item><title><![CDATA[2023年3月版联邦学习（fate）从主机安装到实现联邦学习]]></title><link>https://blog.youkuaiyun.com/feverfew1/article/details/129298953</link><guid>https://blog.youkuaiyun.com/feverfew1/article/details/129298953</guid><author>feverfew1</author><pubDate>Thu, 02 Mar 2023 17:21:51 +0800</pubDate><description><![CDATA[从安装到完成一个demo版本横向联邦学习]]></description><category></category></item><item><title><![CDATA[linux_实操篇]]></title><link>https://blog.youkuaiyun.com/feverfew1/article/details/127686236</link><guid>https://blog.youkuaiyun.com/feverfew1/article/details/127686236</guid><author>feverfew1</author><pubDate>Mon, 27 Feb 2023 14:18:19 +0800</pubDate><description><![CDATA[正常模式下:1.复制：5yy2.粘贴：p3.删除：5dd4.撤销：u5.到达文件中某一行：1G命令行模式下：1.查找某个单词：/关键字,回车2.查找下一个：n3.设置行号：set nu4.取消行号：set nonuinit 0-6 切换运行级别设置默认运行级别为3:systemctl set-default multi-user.target设置默认运行级别为5:systemctl set-default graphical.target运行级别说明：0：关机。]]></description><category></category></item><item><title><![CDATA[图机器学习【从理论到实战】]]></title><link>https://blog.youkuaiyun.com/feverfew1/article/details/128983965</link><guid>https://blog.youkuaiyun.com/feverfew1/article/details/128983965</guid><author>feverfew1</author><pubDate>Mon, 13 Feb 2023 10:58:16 +0800</pubDate><description><![CDATA[图机器学习1、图机器学习导论1.1图神经网络与普通神经网络的异同2、图的基本表示和特征工程2.1 图的基本表示2.1.1 图的本体设计2.1.2 图的种类2.1.3节点连接数（度）2.1.4图的基本表示（邻接矩阵）节点数量少使用2.1.5图的基本表示（连接列表和邻接列表）数量巨大采用2.1.6图的连通性

1、图机器学习导论
1.1图神经网络与普通神经网络的异同
传统神经网络
以往：随着机器学习、深度学习的发展，语音、图像、自然语言处理逐渐取得了很大的突破，然而语音、图像、文本都是很简单的序列或者网格数据，]]></description><category></category></item><item><title><![CDATA[实战excel]]></title><link>https://blog.youkuaiyun.com/feverfew1/article/details/128815476</link><guid>https://blog.youkuaiyun.com/feverfew1/article/details/128815476</guid><author>feverfew1</author><pubDate>Tue, 31 Jan 2023 15:24:15 +0800</pubDate><description><![CDATA[文本为Excel中的常见格式，自由地使用Excel进行数据分析、数据统计，解放Excel不再为Excel所困]]></description><category></category></item><item><title><![CDATA[linux基础篇——虚拟机LINUX系统安装]]></title><link>https://blog.youkuaiyun.com/feverfew1/article/details/127628509</link><guid>https://blog.youkuaiyun.com/feverfew1/article/details/127628509</guid><author>feverfew1</author><pubDate>Fri, 04 Nov 2022 11:59:16 +0800</pubDate><description><![CDATA[linux]]></description><category></category></item><item><title><![CDATA[爬虫学习小白笔记]]></title><link>https://blog.youkuaiyun.com/feverfew1/article/details/126255786</link><guid>https://blog.youkuaiyun.com/feverfew1/article/details/126255786</guid><author>feverfew1</author><pubDate>Thu, 27 Oct 2022 21:10:23 +0800</pubDate><description><![CDATA[爬虫]]></description><category></category></item><item><title><![CDATA[tableau数据可视化]]></title><link>https://blog.youkuaiyun.com/feverfew1/article/details/126144170</link><guid>https://blog.youkuaiyun.com/feverfew1/article/details/126144170</guid><author>feverfew1</author><pubDate>Thu, 27 Oct 2022 21:09:49 +0800</pubDate><description><![CDATA[ta'bleau]]></description><category></category></item><item><title><![CDATA[数据分析-excel]]></title><link>https://blog.youkuaiyun.com/feverfew1/article/details/126035991</link><guid>https://blog.youkuaiyun.com/feverfew1/article/details/126035991</guid><author>feverfew1</author><pubDate>Thu, 27 Oct 2022 21:08:57 +0800</pubDate><description><![CDATA[无]]></description><category></category></item><item><title><![CDATA[绘图模板（matplotlib）2]]></title><link>https://blog.youkuaiyun.com/feverfew1/article/details/124873932</link><guid>https://blog.youkuaiyun.com/feverfew1/article/details/124873932</guid><author>feverfew1</author><pubDate>Thu, 19 May 2022 23:14:48 +0800</pubDate><description><![CDATA[使用 plt.subplots 绘制均匀状态下的子图

tight_layout 函数可以调整子图的相对大小使字符不会重叠
# 导库及准备工作
import numpy as np
import pandas as pd
import matplotlib.pyplot as plt
import matplotlib.dates as mdates
import datetime
plt.rcParams['font.sans-serif']]></description><category></category></item><item><title><![CDATA[绘图模板1（matplotlib）]]></title><link>https://blog.youkuaiyun.com/feverfew1/article/details/124864723</link><guid>https://blog.youkuaiyun.com/feverfew1/article/details/124864723</guid><author>feverfew1</author><pubDate>Thu, 19 May 2022 15:48:46 +0800</pubDate><description><![CDATA[Matplotlib 是专门用于开发2D图表（三层结构）

容器层


画板层Canvas
画布层Figure
绘图层/坐标系


辅助显示层
图像层

import matplotlib.pyplot as plt
import numpy as np
import matplotlib as mpl

二、通用绘画模板–单折线图
# 1.数据准备
x = range(60)
y= [random.uniform(15,18) for i in x]

# 2. 中文显示问题
plt.rcParams]]></description><category></category></item><item><title><![CDATA[git 版本管理]]></title><link>https://blog.youkuaiyun.com/feverfew1/article/details/124516698</link><guid>https://blog.youkuaiyun.com/feverfew1/article/details/124516698</guid><author>feverfew1</author><pubDate>Sat, 30 Apr 2022 18:37:38 +0800</pubDate><description><![CDATA[git 版本管理
]]></description><category></category></item><item><title><![CDATA[csSEnet注意力网络]]></title><link>https://blog.youkuaiyun.com/feverfew1/article/details/124402664</link><guid>https://blog.youkuaiyun.com/feverfew1/article/details/124402664</guid><author>feverfew1</author><pubDate>Mon, 25 Apr 2022 13:10:09 +0800</pubDate><description><![CDATA[csSEnet注意力网络]]></description><category></category></item><item><title><![CDATA[pytorch实现的loss function]]></title><link>https://blog.youkuaiyun.com/feverfew1/article/details/123760195</link><guid>https://blog.youkuaiyun.com/feverfew1/article/details/123760195</guid><author>feverfew1</author><pubDate>Sat, 26 Mar 2022 17:50:05 +0800</pubDate><description><![CDATA[pytorch实现的loss function
神经网络主要实现分类以及回归预测两类问题
对于分类，主要讲述二分类交叉熵和多分类交叉熵函数,对于回归问题，主要讲述均方损失函数，而对于一些回归问题，需要根据特殊情况自定义损失函数。
1、所有的loss的基类是Module，所以使用loss的方法是：
# 1. 创建损失函数对象,并指定返回结果，默认为：平均值 以MSE为例
criterion = MSELoss(reduction='...')
# 2.  定义input x, traget y
x = tor]]></description><category></category></item></channel></rss>